機載激光雷達(dá)技術(shù)在滑坡調(diào)查中的應(yīng)用
——以三峽庫區(qū)張家灣滑坡為例

杜磊， 陳潔，2， 李敏敏， 鄭雄偉， 李京， 高子弘

(1.中國自然資源航空物探遙感中心，北京 100083； 2.中國科學(xué)院遙感與數(shù)字地球研究所，北京 100101)

0 引言

滑坡作為一種全球范圍內(nèi)普遍存在而且頻繁發(fā)生的地質(zhì)災(zāi)害現(xiàn)象，對其規(guī)律性進(jìn)行研究和預(yù)警一直是地學(xué)科研熱點之一。目前滑坡調(diào)查的手段主要有野外實地勘查和遙感調(diào)查2種，前者作為傳統(tǒng)的工作方法，可近距離現(xiàn)場研究滑坡形態(tài)，圈定滑坡要素，但其工作耗時久、效率低，抵達(dá)調(diào)查區(qū)域也受限較多； 衛(wèi)星遙感技術(shù)支持下的滑坡調(diào)查能快速獲取大尺度、多時相的數(shù)字遙感數(shù)據(jù)，現(xiàn)已形成一套較為完善的“數(shù)字滑坡”識別技術(shù)[1]。但該技術(shù)的不足之處在于受天氣影響較大、且對被植被覆蓋的滑坡識別能力有限，源數(shù)據(jù)生成的數(shù)字高程模型(digital elevation model，DEM)精度較低，難以刻畫地表微小變形的精細(xì)特征。

機載激光雷達(dá)(light detection and ranging,LiDAR)作為一種主動式航空遙感技術(shù)，理論上可不受天氣限制，其發(fā)射的激光點云能夠穿透一定厚度的植被并獲取地表信息。與傳統(tǒng)航空攝影相比，機載LiDAR數(shù)據(jù)采集方式能在很大程度上減弱地形切割陰影的影響，其構(gòu)建的DEM垂直精度可達(dá)10 cm，可以精確表達(dá)微地貌地形特征[2]，具備提升滑坡體識別精度的條件。近年來，美國地質(zhì)調(diào)查局及歐洲太空局等機構(gòu)均開展了基于機載LiDAR衍生DEM的滑坡識別研究，取得了一定的進(jìn)展[3-4],包括： 基于高精度DEM計算滑坡坡度、坡向、地表粗糙度、半方差和分形等特征； 結(jié)合傅里葉變換、數(shù)據(jù)小波分析等多種算法開展地表地形有關(guān)參數(shù)精細(xì)特征研究[5]，并探索建立滑坡等地質(zhì)災(zāi)害分布與上述有關(guān)因子的聯(lián)系。以上研究充分顯示了機載LiDAR技術(shù)在滑坡調(diào)查中的應(yīng)用潛力。

本文基于機載LiDAR技術(shù)獲取了研究區(qū)點云數(shù)據(jù)，通過對點云數(shù)據(jù)先后開展檢校、濾波和分類等數(shù)據(jù)處理，構(gòu)建研究區(qū)精細(xì)的DEM產(chǎn)品，再利用這些DEM產(chǎn)品對研究區(qū)的滑坡體進(jìn)行識別以及重要參數(shù)提取，取得了較好的應(yīng)用效果。

1 研究區(qū)概況和數(shù)據(jù)源

三峽庫區(qū)一直以來是我國滑坡等地質(zhì)災(zāi)害的頻發(fā)區(qū)和重災(zāi)區(qū)。張家灣滑坡是庫區(qū)較為典型的一處滑坡群。它由6個傾向長江的單體滑坡組成，位于童莊河右岸，隸屬湖北省宜昌市秭歸縣郭家壩鎮(zhèn)頭道河村一組，與入江口相距約1.5 km?；麦w總體前緣高程約為120 m，后緣高程約290 m，水位以上總面積約29×104m2，對應(yīng)總體積約550×104m3。滑坡區(qū)地勢整體東高西低，后側(cè)山頂高程約500 m，滑坡前緣為三峽庫區(qū)水面，中部及前緣地帶坡面相對平緩，坡度為15°～25°，后緣及后側(cè)山坡較陡峭，坡度為25°～35°?；聟^(qū)內(nèi)出露的地層主要為侏羅系砂頁巖及三疊系中統(tǒng)巴東組(T2b)砂巖、泥灰?guī)r等半堅硬巖類組成。

選擇2009年由中國自然資源航空物探遙感中心獲取的巴東—秭歸地質(zhì)災(zāi)害易發(fā)多發(fā)重點區(qū)1 000 km2LiDAR數(shù)據(jù)作為遙感數(shù)據(jù)源，其真實記錄了三峽庫區(qū)自移民遷建、175 m水位蓄水和2008年汶川震后的壩體微變化，具有開展庫區(qū)庫岸穩(wěn)定性、地質(zhì)災(zāi)害和生態(tài)地質(zhì)環(huán)境變化調(diào)查等研究的潛力。

2 技術(shù)流程

針對現(xiàn)有滑坡調(diào)查技術(shù)在復(fù)雜地質(zhì)條件下難以識別滑坡，以及傳統(tǒng)基于DEM數(shù)據(jù)識別滑坡方法存在的問題，本文提出了一種從機載LiDAR構(gòu)建的精細(xì)DEM中表征滑坡地表特征參數(shù)的技術(shù)方法，實現(xiàn)了滑坡邊界的自動識別和相應(yīng)參數(shù)提取。新方法步驟如下：

1)針對目標(biāo)區(qū)域制定作業(yè)計劃，使用定位定向系統(tǒng)(position orientation system,POS)輔助機載LiDAR系統(tǒng)對目標(biāo)區(qū)域開展航空遙感數(shù)據(jù)采集。

2)對飛行獲取的機載LiDAR點云數(shù)據(jù)先后進(jìn)行檢校、濾波和分類等數(shù)據(jù)處理，得到消除植被覆蓋信息的純地表精細(xì)DEM。

3)從DEM中分析、提取出地貌特征并建立紋理特征參數(shù)，形成特征參數(shù)文件。

4)利用計算機智能分類算法計算目標(biāo)區(qū)域中已知滑坡像元以及非滑坡像元特征參數(shù)，結(jié)合上一步獲取的特征參數(shù)文件，確定最優(yōu)特征參數(shù)。

5)選取目標(biāo)區(qū)域內(nèi)的部分已知滑坡像元和非滑坡像元作為算法訓(xùn)練集，不斷優(yōu)化訓(xùn)練集各元素，綜合確定最優(yōu)特征參數(shù)組合。利用智能分類算法預(yù)測訓(xùn)練集中的像元屬性同時進(jìn)行精度評價，獲得符合預(yù)設(shè)精度條件的平衡系數(shù)。

6)利用獲取平衡系數(shù)的訓(xùn)練集以及最優(yōu)特征參數(shù)組合，訓(xùn)練分類模型，預(yù)測已知滑坡像元和非滑坡像元的數(shù)據(jù)集，并分別計算數(shù)據(jù)集的平均用戶精度、平均生產(chǎn)者精度和總體精度。

7)若所計算的精度滿足設(shè)定閾值要求，則使用滿足該平衡系數(shù)和最優(yōu)特征參數(shù)組合的智能分類模型預(yù)測整個研究區(qū)，再采用邊緣檢測算子計算滑坡邊界，最終實現(xiàn)滑坡識別。

8)對識別出的滑坡像元集，通過對應(yīng)的精細(xì)DEM提取出滑坡坡度和地表粗糙度等滑坡參數(shù)，并完成定量分析。

3 數(shù)據(jù)處理與DEM制作

3.1 數(shù)據(jù)獲取

2009年4—6月，使用運5-B型飛機作為航空遙感平臺，搭載Leica Geosystem公司制造的ALS50-II機載LiDAR系統(tǒng)，獲取了包含張家灣滑坡在內(nèi)約1 000 km2研究區(qū)綜合遙感數(shù)據(jù)資料，包括機載LiDAR點云數(shù)據(jù)、數(shù)字航空影像、機載GPS數(shù)據(jù)、機載IMU數(shù)據(jù)和地面GPS參考站定位數(shù)據(jù)等。已獲取的機載LiDAR點云數(shù)據(jù)包含激光距離、角度和多次回波強度等重要信息。通過對獲取的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)解算、系統(tǒng)誤差檢校等預(yù)處理，得到了含地物三維坐標(biāo)信息的地表激光點云數(shù)據(jù)。

此次ALS50-II機載LiDAR系統(tǒng)飛行相對航線高度約為1 000 m，航線旁向重疊度為30%～39%，飛行地速為150～180 km/h，機載激光空中掃描角度為45°，其最大掃描頻率設(shè)置為45 Hz，機載LiDAR平均點云密度為3.2個/m2。

3.2 點云解算

受系統(tǒng)誤差和偶然誤差影響，機載LiDAR系統(tǒng)獲取的原始LiDAR點云坐標(biāo)存在系統(tǒng)偏差，需先通過數(shù)據(jù)檢校消除誤差。機載LiDAR點云數(shù)據(jù)檢校一般指檢校側(cè)滾角、俯仰角和航偏角3個安置角和測距誤差。

3個安置角的檢校方法如下： 首先,對檢校場的數(shù)據(jù)開展人工初檢校，分別獲取較為準(zhǔn)確的3個安置角檢校參數(shù)； 然后,對初檢校的機載LiDAR數(shù)據(jù)開展進(jìn)一步精檢校，獲取檢校參數(shù)的改正值; 最后，將上述2次檢校參數(shù)相加得到安置角最終的檢校參數(shù)。

完成安置角檢校后，利用實測GPS點對測距誤差進(jìn)行檢校，獲取測距檢校參數(shù)。利用上述安置角和測距檢校參數(shù)，對研究區(qū)全部機載LiDAR點云數(shù)據(jù)進(jìn)行檢校，以消除研究區(qū)點云數(shù)據(jù)系統(tǒng)誤差。經(jīng)驗證，研究區(qū)域各航帶點云匹配效果較好，高程方向相對高差優(yōu)于10 cm，平面位置相對差優(yōu)于25 cm，結(jié)果穩(wěn)定可靠。

對于數(shù)據(jù)檢校解算依然無法較好消除的殘余航帶系統(tǒng)誤差，本文采用目前已相對較為成熟的Burman航帶平差方法進(jìn)行改善，通過TerraSolid商業(yè)軟件系列中的TerraMatch模塊實現(xiàn)。

生成DEM前，先對機載LiDAR點云數(shù)據(jù)進(jìn)行濾波分類處理，以區(qū)分地面點和非地面點，再利用地面點數(shù)據(jù)制作所需的高精度DEM。LiDAR點云分類處理采用了美國Bentley公司TerraSolid軟件中TerraScan和TerraModeler等模塊。其中，TerraScan模塊地面點分類是基于Axelsson提出的不規(guī)則三角格網(wǎng)(triangulated irregular network，TIN)加密改進(jìn)算法實現(xiàn)[6]。TerraScan模塊提供了地面點分類的Ground工具命令，該方法利用迭代算法建立TIN表面模型來區(qū)分地面點和非地面點。

開展數(shù)據(jù)迭代運算前需首先選定若干初始地面點，通過Max building size參數(shù)調(diào)節(jié)初始點的選擇。實驗表明： 當(dāng)Max building size取值30 m時，不僅可以很好地去除植被和房屋并保留微地形特征，而且還可以減少手工編輯的工作量。

通過分類前后對比(圖1)可以看出，經(jīng)濾波分類后的DEM中大部分建筑物和植被信息被自動濾除。少量建筑物和植被殘余信息則用人工編輯的方法予以剔除。

(a) 分類前(b) 分類后

圖1分類前后DEM渲染對比

Fig.1ComparisonofDEMshadingmapsbeforeandaftercloud-pointclassification

3.3 DEM制作及評價

先利用機載LiDAR系統(tǒng)獲取的海量LiDAR點云數(shù)據(jù)快速開展目標(biāo)區(qū)域地面三維數(shù)字地形模型(digital terrain model，DTM)采集，再對原始點云數(shù)據(jù)進(jìn)行系統(tǒng)誤差糾正和點云數(shù)據(jù)分類，有效濾除了點云中的非地面點，進(jìn)而獲得目標(biāo)區(qū)域高精度DEM。為了評價DEM產(chǎn)品的精度，在研究區(qū)內(nèi)均勻布設(shè)30個地面檢查點，通過DEM讀取記錄地面檢查點的三維坐標(biāo)后，再和實測同名點三維坐標(biāo)進(jìn)行對比計算，完成研究區(qū)DEM的精度質(zhì)量分析(表1)。結(jié)果表明，生成的DEM高程中誤差滿足1: 1 000比例尺規(guī)范精度要求[7]，可應(yīng)用于滑坡識別調(diào)查。

表1 DEM成果精度評價Tab.1 DEM precision evaluation (m)

4 滑坡調(diào)查應(yīng)用與分析

4.1 解譯標(biāo)志建立

滑坡的解譯標(biāo)志主要為“箕”狀色調(diào)帶和紋理異常帶?；麦w一般位于地質(zhì)較穩(wěn)定的自然斜坡凸突的負(fù)地形中，滑坡后壁與滑體交接處往往形成洼地，中部則有多級垂直滑動方向的臺坎。圖2是張家灣滑坡的數(shù)字正射影像圖(digital orthophoto map, DOM)，它是通過機載LiDAR同步獲取的航空遙感影像制作而成。由圖2可以看出，張家灣滑坡是一傾向長江的單斜順向滑坡群，影像中滑體一般呈淺色調(diào)，通常具有一定的擠壓、擾動或松脫等特征，巖(土)體破碎，結(jié)構(gòu)松散，耕地、園地及林地被擾動或者破壞比較嚴(yán)重，滑體紋理與背景呈突變關(guān)系。

圖2 張家灣滑坡區(qū)域數(shù)字正射影像圖Fig.2 DOM of Zhangjiawan Village landslide area

本文的野外工作包括前期野外踏勘和解譯成果野外驗證2部分。前期野外踏勘主要是對研究內(nèi)容進(jìn)行地面初步感性認(rèn)識，結(jié)合相應(yīng)遙感影像特征，建立遙感解譯標(biāo)志； 解譯成果野外驗證則是對室內(nèi)目視解譯結(jié)果在實地開展查驗，并對解譯標(biāo)志做進(jìn)一步修正，從而達(dá)到理性認(rèn)識，使遙感解譯成果與實際情況更加吻合。

4.2 技術(shù)方法

通過機載LiDAR點云數(shù)據(jù)制作的張家灣滑坡區(qū)域DEM可精細(xì)表達(dá)該地區(qū)微地形地貌信息，本文通過對其進(jìn)行定性及定量分析完成了滑坡調(diào)查有關(guān)應(yīng)用研究。

定性分析是通過張家灣DEM制作不同視角山體陰影圖完成。山體陰影圖是通過模擬光線計算DEM每個柵格單元的照明值。通過對比分析不同角度山體陰影圖，不僅可較好地掌握張家灣滑坡區(qū)域的立體形態(tài)，還可以有效地提取出某些地形遮蔽信息，如滑坡、斷層崖等線性特征。制作張家灣滑坡區(qū)域山體陰影圖需確定3個重要參數(shù)，分別是： 太陽方位角、太陽高度角和表面灰度值。考慮到研究區(qū)內(nèi)干流及支流走向，選擇以相同的太陽高度角(45°)，用180°,135°和90°這3個不同的方位角，制作山體陰影圖，表面灰度值設(shè)定為0～255。

定量方法則是指通過目標(biāo)區(qū)域的DEM數(shù)據(jù)提取精細(xì)微地形地貌參數(shù)，分析滑坡坡度、地表粗糙度、半方差和分維等滑坡要素信息。其中，地表粗糙度是指在某確定范圍內(nèi)地表表面積與其在水平方向上的投影面積之比，是反映地形起伏和被侵蝕程度的一個重要指標(biāo)，可有效反映地表形態(tài)的宏觀變化。半方差是指滑坡體相對于周圍地形表現(xiàn)在DEM數(shù)據(jù)值上的突變，它反映地表性質(zhì)的不同距離觀測值之間的變化。當(dāng)DEM設(shè)置為半方差變量時，半方差函數(shù)則能夠衡量地形的空間自相關(guān)性。相同尺度下，半方差值越大，對應(yīng)空間地形變化越大，滑坡體與非滑坡體識別則越容易。分形是指部分與整體以某種形式相似的形； 分維是指分形的維數(shù)，它不僅可以衡量地形粗糙度，還可以體現(xiàn)地形的復(fù)雜度和空間自相關(guān)性。相同條件下，目標(biāo)區(qū)域分維數(shù)值變化越大，其對應(yīng)地形越復(fù)雜，地表則越粗糙[3]。

4.3 滑坡識別與定量分析

通過張家灣地區(qū)高精度DEM制作不同視角下的山體陰影圖，結(jié)合張家灣滑坡的坡度圖和地表粗糙度圖完成滑坡識別； 通過計算張家灣滑坡體半方差函數(shù)和分維完成對滑坡的定量分析。圖3(a)是張家灣滑坡野外實地勘查照片，紅線是其中2處滑坡的邊界線； 圖3(b)是張家灣滑坡DEM彩色暈渲圖，通過對其進(jìn)行數(shù)值分析可了解滑坡地貌形態(tài)特征。

(a) 野外實地勘查照片(b) 滑坡DEM暈渲圖

圖3張家灣滑坡野外實地勘查照片及其滑坡DEM暈渲圖

Fig.3LandslidefieldphotoanditsDEMshadingmapofZhangjiawanVillage

圖4是張家灣滑坡2009年山體陰影系列圖，圖4(a)，(b)，(c)分別是太陽方位角設(shè)置為90°，135°和180°時制作出的山體陰影圖(太陽高度角均設(shè)置為45°，表面灰度值設(shè)定為0～255)。對比分析3幅山體陰影圖可知： ①與DEM數(shù)據(jù)柵格圖像相比，3幅山體陰影圖均可較好地反映滑坡地形的立體形態(tài)，對沖溝等線性地物特征的表現(xiàn)效果尤為突出； ②對滑坡體局部地形地貌特征的表現(xiàn)，3幅山體陰影圖則差異明顯，比如： 滑坡沖溝等線性地物在太陽方位角為90°和180°的山體陰影圖上明顯比135°的山體陰影圖要清晰可見； ③太陽方位角為90°和180°的山體陰影圖反映出的局部地貌特征相似但又不完全相同，但2幅影像信息呈互補關(guān)系。綜上分析，通過高精度DEM數(shù)據(jù)制作的不同太陽方位角山體陰影系列圖，不僅能有效地識別出張家灣6個單體滑坡的滑動范圍，還可較為準(zhǔn)確地確定其滑坡后緣、側(cè)緣和滑舌等滑坡要素信息。

(a) 方位角為90°(b) 方位角為135°(c) 方位角為180°

圖4張家灣滑坡山體陰影系列圖

Fig.4SlidemountainshadowseriesmapsofZhangjiawanVillage

圖5是張家灣滑坡的坡度圖和地表粗糙度圖。由張家灣滑坡坡度圖分析可知： ①滑坡側(cè)緣或滑坡兩側(cè)坡度跳躍變化明顯，且跳躍變化幅度大體一致，可在坡度圖圈定出滑坡側(cè)緣邊界(圖5(a)中紅線所示)； ②滑坡壁與滑舌的坡度值較為集中，兩者色彩較均勻，且在形態(tài)上表現(xiàn)為面狀分布，亦可較好地將6個不同的滑坡體區(qū)分開； ③在滑坡體與滑舌、滑坡壁與滑坡體的分界處，滑坡側(cè)緣及其附近地形地貌處，坡度變化明顯并出現(xiàn)跳躍式變大或縮小，且跳躍變化幅度大致相同。綜上，通過滑坡坡度圖也可以有效圈定出張家灣滑坡的3大要素。此外，結(jié)合圖4和圖5可知，在張家灣滑坡群上方，地形輪廓清晰且呈封閉狀，“雙溝同源”現(xiàn)象比較明顯，表明此處具有誘發(fā)滑坡地質(zhì)災(zāi)害的地形特征。結(jié)合山體陰影系列圖，可圈出滑坡隱患區(qū)域(圖5中藍(lán)線所示區(qū)域)。

(a) 滑坡坡度圖(b) 地表粗糙度圖

圖5張家灣滑坡坡度圖和地表粗糙度圖

Fig.5LandslideslopemapandlandslidesurfaceroughnessmapofZhangjiawanVillage

對張家灣地區(qū)地表粗糙度圖進(jìn)行解譯，結(jié)果顯示： ①滑坡側(cè)緣地表粗糙度與兩側(cè)地表粗糙度存在明顯跳躍，地表粗糙度跳躍幅度也基本相同，據(jù)此從地表粗糙度圖上可圈定出張家灣地區(qū)6個不同滑坡體滑坡側(cè)緣的邊界(圖5(b)中紅線所示)； ②對于張家灣地區(qū)滑坡圖像灰階分布，其滑坡體后部與滑坡壁的地表粗糙度值較集中，色彩也較勻滑，形態(tài)上表現(xiàn)為面狀分布，據(jù)此亦可以將它們與滑坡體其他部分區(qū)別開； ③在滑坡壁與滑坡體、滑坡側(cè)緣與其附近地貌處，地表粗糙度明顯出現(xiàn)跳躍式變大或縮小，且跳躍變化幅度大致相同。綜上，通過地表粗糙度圖亦可有效圈定出張家灣滑坡的3大要素。

分別選擇滑坡后緣、滑坡體和滑舌3部分作為半方差函數(shù)計算范圍。張家灣地區(qū)滑坡后緣、滑坡體和滑舌的半方差曲線見圖6。

圖6 張家灣滑坡要素半方差曲線Fig.6 Landslide elements semivariogram curve of Zhangjiawan Village

由圖6可知： ①滑坡后緣、滑坡體和滑舌半方差曲線斜率存在明顯區(qū)別，這是滑坡要素識別的數(shù)學(xué)理論基礎(chǔ)； ②滑坡后緣、滑坡體和滑舌的半方差函數(shù)曲線隨變程增加均變大，表明張家灣地區(qū)各滑坡要素的地形地貌相關(guān)性較強； ③滑坡后緣半方差值最大，表明滑坡后緣地形空間變化最大； 滑坡體半方差值次之，表明滑坡體地形空間變化幅度介于滑坡后緣與滑舌之間； 滑舌半方差值最小，表明滑舌部分對應(yīng)的空間地形變化也最小。雖然3種滑坡要素的半方差函數(shù)曲線均隨著變程的增大而增大，但也存在明顯區(qū)別： 在相同變程條件下，滑坡后緣值最大，滑坡體次之，而滑舌最小。

張家灣3種滑坡要素分維函數(shù)的計算范圍與半方差相同，其分維曲線與同區(qū)域2006年分維曲線對比可知： 滑坡后緣的分維值變化最大，表明滑坡后緣對應(yīng)地形空間的變化最大； 滑坡體的分維值變化次之，表明滑坡體對應(yīng)地形空間的變化幅度介于滑坡后緣與滑舌之間； 滑舌的分維值變化最小，說明滑舌空間地形變化最小(如圖7所示)。滑坡要素分維值的計算結(jié)果與半方差計算結(jié)果具有較好的一致性。

(a) 滑坡后緣分維變化(b) 滑坡體分維變化(c) 滑舌分維變化

圖7張家灣滑坡要素分維曲線對比

Fig.7ComparisonoflandslidefractaldimensioncalculationresultsofZhangjiawanVillage

5 結(jié)論

機載激光雷達(dá)技術(shù)作為一種新的航空遙感調(diào)查與監(jiān)測手段，在地質(zhì)災(zāi)害調(diào)查與監(jiān)測領(lǐng)域已獲得較廣泛關(guān)注和應(yīng)用。與衛(wèi)星和航空影像相比，機載激光雷達(dá)具有一定的植被穿透能力，多次回波可以用來精確測量和表達(dá)微地貌特征信息，在霧氣較大或陰雨天氣時也能快速獲取真實地形信息，具備提升滑坡體識別精度的條件。具體表現(xiàn)在2方面： ①與邊坡的整體變化相關(guān)的特征，如存在可以被機載激光雷達(dá)點云數(shù)據(jù)派生的DEM識別的斜坡凹陷和突變； ②結(jié)合機載激光雷達(dá)點云數(shù)據(jù)派生的精細(xì)DEM，結(jié)合地表粗糙度變化，可以有效識別某些特殊地表特征，如地表內(nèi)部結(jié)構(gòu)異常、地裂隙或滑痕等。

本文基于機載激光雷達(dá)系統(tǒng)獲取的航空遙感數(shù)據(jù)構(gòu)建了精細(xì)的DEM，通過對DEM產(chǎn)品進(jìn)行深入挖掘，進(jìn)行綜合對比分析，參考有關(guān)地質(zhì)資料，結(jié)合一些必要的野外驗證，有效地獲得了三峽庫區(qū)張家灣滑坡群的滑坡信息，應(yīng)用效果良好，表明采用機載激光雷達(dá)技術(shù)對地質(zhì)災(zāi)害進(jìn)行調(diào)查與監(jiān)測是一種直觀、快速而經(jīng)濟(jì)的方法，尤其對于災(zāi)害應(yīng)急反應(yīng)和災(zāi)后救援具有重要意義。